JP6906612B2 - 異常検知装置、異常検知方法、およびプログラム - Google Patents
異常検知装置、異常検知方法、およびプログラム Download PDFInfo
- Publication number
- JP6906612B2 JP6906612B2 JP2019525517A JP2019525517A JP6906612B2 JP 6906612 B2 JP6906612 B2 JP 6906612B2 JP 2019525517 A JP2019525517 A JP 2019525517A JP 2019525517 A JP2019525517 A JP 2019525517A JP 6906612 B2 JP6906612 B2 JP 6906612B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormality
- degree
- change
- target device
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims description 84
- 230000005856 abnormality Effects 0.000 claims description 274
- 230000008859 change Effects 0.000 claims description 64
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- 238000001914 filtration Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 17
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2506—Arrangements for conditioning or analysing measured signals, e.g. for indicating peak values ; Details concerning sampling, digitizing or waveform capturing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Description
実施例1において、異常度の時系列データを準備し、この異常度の時系列データに対してローパスフィルターによるフィルタリングを行った結果を示す。フィルタリングにおけるサンプリング周波数を1.0(Hz)とし、タップ数を600とし、カットオフ周波数を0.05(Hz)に設定した。
果、曲線が平滑化され異常度の上昇傾向の判定(矩形型)が容易となることが分かった。
また。フィルタリング後の異常度に関して、閾値を定め(S1)、閾値を超えた時刻(上
述の起動時刻t)を記録し(S2)、起動時刻tから所定時間Sを経過する間に異常度の
上昇が安定するかを確認した。この実施例では、異常度の上昇が安定することが確認でき
た。この場合、記憶部24に記憶された時刻t−Aからtまでの間の状態変更履歴Hを確
認することで(S4)、異常度の急激な上昇が状態変更によるものであるのか、または、
故障の予兆を示すものであるのかを判定することが可能となる。
次に、実施例2において、異常度の時系列データを準備し、この異常度の時系列データに対してローパスフィルターによるフィルタリングを行い、矩形と判定されたデータを学習した場合の異常度の様子を確認した。フィルタリングにおけるサンプリング周波数を1.0(Hz)とし、タップ数を600とし、カットオフ周波数を0.05(Hz)に設定した。
Claims (10)
- 対象機器から取得されたデータを用いて機械学習により予測される予測値と、前記対象機器において実際に計測された計測値とに基づいて異常度を算出する算出部と、
前記算出部によって算出された前記異常度の変化を検出する検出部と、
所定時間範囲内における、前記検出部によって検出された前記異常度の変化の度合に基づいて、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定する判定部と、
を備え、
前記判定部は、前記検出部が閾値を超える一方向への前記異常度の変化を検出し、かつ、所定の判定対象時間内に前記異常度の値の変動が所定範囲内に収まった場合に、前記対象機器の状態の変更履歴を参照して前記異常度の変化が前記対象機器の状態の変更に起因するものであるか否かを判定したうえで、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定する、
異常検知装置。 - 前記判定部は、前記異常度が前記閾値を超える前に、前記対象機器の状態の変更履歴が存在する場合、前記異常度の変化が前記対象機器の異常を示すものではないと判定する、
請求項1に記載の異常検知装置。 - 前記検出部は、前記異常度のフィルタリングを行い、前記異常度の時間に対する変化度合が所定の値以上である前記異常度を抑制する、
請求項1または2に記載の異常検知装置。 - 前記判定部は、予め設定された異常度の判定条件に基づいて、前記対象機器から取得されたデータを異常度の評価の対象から除外するか否かを判定する、
請求項1から3のいずれか一項に記載の異常検知装置。 - 前記異常度の変化が前記対象機器の異常を示すものではないと判定した場合に、前記対象機器の状態の変更後に取得されたデータと、前記機械学習に使用された第1モデルの生成に使用されたデータとを混合した学習データを生成し、前記学習データを使用して第2モデルを生成する学習部をさらに備える、
請求項1から4のいずれか一項に記載の異常検知装置。 - 前記機械学習に使用された前記第1モデルと、前記学習部で生成された前記第2モデルとの精度を比較し、精度が高いモデルを前記機械学習に使用するモデルとして決定する決定部をさらに備える、
請求項5に記載の異常検知装置。 - 前記決定部は、前記第1モデルに基づいて算出される第1異常度と、前記第2モデルに基づいて算出される第2異常度とを比較し、算出された異常度の絶対値が低いモデルを前記機械学習に使用するモデルとして決定する、
請求項6に記載の異常検知装置。 - 前記判定部が前記異常度の変化が前記対象機器の異常を示すものであると判定した場合に、前記異常の発生を発報する発報部をさらに備える、
請求項1から7のいずれか一項に記載の異常検知装置。 - 対象機器から取得されたデータを用いて機械学習により予測される予測値と、前記対象機器において実際に計測された計測値とに基づいて異常度を算出し、
算出された前記異常度の変化を検出し、
所定時間範囲内における、前記検出された前記異常度の変化の度合に基づいて、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定し、
閾値を超える一方向への前記異常度の変化を検出し、かつ、所定の判定対象時間内に前記異常度の値の変動が所定範囲内に収まった場合に、前記対象機器の状態の変更履歴を参照して前記異常度の変化が前記対象機器の状態の変更に起因するものであるか否かを判定したうえで、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定する、
異常検知方法。 - コンピュータに、
対象機器から取得されたデータを用いて機械学習により予測される予測値と、前記対象機器において実際に計測された計測値とに基づいて異常度を算出させ、
算出された前記異常度の変化を検出させ、
所定時間範囲内における、前記検出された前記異常度の変化の度合に基づいて、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定させ、
閾値を超える一方向への前記異常度の変化を検出し、かつ、所定の判定対象時間内に前記異常度の値の変動が所定範囲内に収まった場合に、前記対象機器の状態の変更履歴を参照させて前記異常度の変化が前記対象機器の状態の変更に起因するものであるか否かを判定させたうえで、前記異常度の変化が前記対象機器の異常を示すものであるか否かを判定させる、
プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017116610 | 2017-06-14 | ||
JP2017116610 | 2017-06-14 | ||
PCT/JP2018/022730 WO2018230645A1 (ja) | 2017-06-14 | 2018-06-14 | 異常検知装置、異常検知方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018230645A1 JPWO2018230645A1 (ja) | 2020-05-21 |
JP6906612B2 true JP6906612B2 (ja) | 2021-07-21 |
Family
ID=64660737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019525517A Active JP6906612B2 (ja) | 2017-06-14 | 2018-06-14 | 異常検知装置、異常検知方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200150159A1 (ja) |
JP (1) | JP6906612B2 (ja) |
WO (1) | WO2018230645A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11252016B2 (en) * | 2018-10-24 | 2022-02-15 | Microsoft Technology Licensing, Llc | Anomaly detection and classification in networked systems |
US20220309397A1 (en) * | 2019-06-19 | 2022-09-29 | Nec Corporation | Prediction model re-learning device, prediction model re-learning method, and program recording medium |
JP2021022311A (ja) * | 2019-07-30 | 2021-02-18 | 株式会社リコー | 異常検知装置、異常検知システムおよびプログラム |
CN110311927B (zh) * | 2019-07-30 | 2022-05-27 | 中国工商银行股份有限公司 | 数据处理方法及其装置、电子设备和介质 |
JP7319162B2 (ja) | 2019-10-02 | 2023-08-01 | 株式会社荏原製作所 | 搬送異常予測システム |
JP2021064320A (ja) * | 2019-10-17 | 2021-04-22 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP7324131B2 (ja) * | 2019-12-02 | 2023-08-09 | Kddi株式会社 | 異常値検出装置、異常値検出方法及び異常値検出プログラム |
US11394774B2 (en) * | 2020-02-10 | 2022-07-19 | Subash Sundaresan | System and method of certification for incremental training of machine learning models at edge devices in a peer to peer network |
WO2021161625A1 (ja) * | 2020-02-12 | 2021-08-19 | 三菱重工業株式会社 | 物理量計算装置、操作量計算装置、物理量計算方法、プログラムおよび運転最適化システム |
WO2021161559A1 (ja) * | 2020-02-12 | 2021-08-19 | 三菱重工業株式会社 | 物理量計算装置、操作量計算装置、物理量計算方法およびプログラム |
JP7308783B2 (ja) * | 2020-03-18 | 2023-07-14 | 三菱電機株式会社 | 監視制御システムの設計支援装置及び監視制御システムの設計支援方法 |
WO2021245898A1 (ja) * | 2020-06-05 | 2021-12-09 | 三菱電機株式会社 | 故障予兆検知装置、故障予兆検知方法、故障予兆検知プログラム、学習装置、学習済みの学習モデルの生成方法、学習済みの学習モデル生成プログラム |
CN112697306A (zh) * | 2020-12-09 | 2021-04-23 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池包内部温度异常的检测方法、装置及相关产品 |
JP7226424B2 (ja) * | 2020-12-14 | 2023-02-21 | 横河電機株式会社 | 異常温度検知装置、異常温度検知方法、及び異常温度検知プログラム |
JP7529560B2 (ja) | 2020-12-25 | 2024-08-06 | 東京瓦斯株式会社 | 故障診断装置、故障診断システム、及び故障診断プログラム |
WO2022172452A1 (ja) * | 2021-02-15 | 2022-08-18 | 三菱電機株式会社 | データ処理装置及びデータ処理方法 |
WO2024190135A1 (ja) * | 2023-03-13 | 2024-09-19 | コニカミノルタ株式会社 | モデル管理方法、モデル管理システム及びプログラム |
CN117195008B (zh) * | 2023-11-08 | 2024-03-12 | 山东神光航天科技有限公司 | 一种用于空气质量监测的异常数据处理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03235027A (ja) * | 1990-02-09 | 1991-10-21 | Toshiba Corp | 異常検出装置 |
JPH06264704A (ja) * | 1993-03-10 | 1994-09-20 | Toshiba Corp | 回転機械の振動診断装置 |
JP4046309B2 (ja) * | 1999-03-12 | 2008-02-13 | 株式会社東芝 | プラント監視装置 |
JP2009103525A (ja) * | 2007-10-22 | 2009-05-14 | Gunma Prefecture | ギヤ歯面の異常診断方法及びこれを用いたギヤ歯面の異常診断装置 |
JP5535883B2 (ja) * | 2010-11-25 | 2014-07-02 | 三菱重工業株式会社 | 制御装置および状態量取得装置 |
KR101468142B1 (ko) * | 2013-08-29 | 2014-12-05 | 비앤에프테크놀로지 주식회사 | 플랜트 건강상태 예측방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 |
JP6819909B2 (ja) * | 2015-10-13 | 2021-01-27 | 日本電気株式会社 | 構造物異常検知システム、構造物異常検知方法及び記録した記録媒体 |
-
2018
- 2018-06-14 WO PCT/JP2018/022730 patent/WO2018230645A1/ja active Application Filing
- 2018-06-14 JP JP2019525517A patent/JP6906612B2/ja active Active
-
2019
- 2019-12-09 US US16/706,922 patent/US20200150159A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JPWO2018230645A1 (ja) | 2020-05-21 |
US20200150159A1 (en) | 2020-05-14 |
WO2018230645A1 (ja) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6906612B2 (ja) | 異常検知装置、異常検知方法、およびプログラム | |
JP6770802B2 (ja) | プラント異常監視方法およびプラント異常監視用のコンピュータプログラム | |
US11120127B2 (en) | Reconstruction-based anomaly detection | |
EP3120248B1 (en) | Unsupervised anomaly detection for arbitrary time series | |
JP2019520659A5 (ja) | ||
JP2018139101A (ja) | 産業資産制御システムにおける脅威検出のための特徴および境界の調整 | |
Vogel-Heuser et al. | Criteria-based alarm flood pattern recognition using historical data from automated production systems (aPS) | |
TW202122946A (zh) | 工廠加工、設備及自動化系統之動態監測及保護 | |
CN110068435B (zh) | 振动分析系统及方法 | |
KR102079359B1 (ko) | 개선된 sax 기법 및 rtc 기법을 이용한 공정 모니터링 장치 및 방법 | |
CN112005181A (zh) | 异常检测 | |
TWI794756B (zh) | 用於智慧地模仿工廠控制系統及模擬回應資料之方法、系統及設備 | |
US11604449B2 (en) | Apparatus for monitoring an actuator system, method for providing an apparatus for monitoring an actuator system and method for monitoring an actuator system | |
EP2135144B1 (en) | Machine condition monitoring using pattern rules | |
US11880464B2 (en) | Vulnerability-driven cyberattack protection system and method for industrial assets | |
WO2019240019A1 (ja) | 異常解析装置、製造システム、異常解析方法及びプログラム | |
KR20180116577A (ko) | 건물 시스템 진단 방법 및 장치 | |
JP2022084435A5 (ja) | ||
JP2006163517A (ja) | 異常検知装置 | |
US9865158B2 (en) | Method for detecting false alarm | |
KR102108975B1 (ko) | 함정설비의 상태기반 정비 지원 장치 및 방법 | |
CN110458713B (zh) | 模型监控方法、装置、计算机设备及存储介质 | |
US10295965B2 (en) | Apparatus and method for model adaptation | |
CN110956193A (zh) | 用于改进边界偏移检测的方法、系统、制品和装置 | |
JP2014167417A (ja) | 異常検出方法、プログラムおよび異常検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191003 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210219 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210601 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210629 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6906612 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |